AI蛋白质迎来新王？6人团队干翻大厂，千亿参数号称史上最强模型，评论区却翻车了！

AI蛋白质，刚刚杀入一条鲶鱼。

10月19日，合成生物学公司Anthrogen正式推出蛋白质模型Odyssey，最大参数规模达到1020亿。

据介绍，Odyssey不仅能够理解蛋白质的序列与结构，更具备多目标协同设计能力。

用户可以为蛋白质设定多个目标，例如“高效结合靶点”、“低免疫原性”、“易于大规模生产”等，Odyssey将自动生成满足所有条件的候选分子。

bio

R

xiv

https://www.biorxiv.org/content/10.1101/2025.10.15.682677v1

Anthrogen创始人Ankit Singhal表示，这是迄今为止最大、性能最强的蛋白质语言模型，将于不久后开源。

更令人惊讶的是，开发成员仅有6人，大部分还是来自哥伦比亚大学和杜克大学的学生。

不过，针对所谓“最大、性能最强”的表述，不少人提出了质疑。

AI蛋白质公司EvolutionaryScale的科学家Michael Hla在评论区询问是否有用于对比的评测信息，并表示「问题很多」。

创始人给出了一些对比指标，但Arc Institute的研究员表示证据显然还不够。

尽管相关表述引发争议，但该模型在架构、训练方式上的的创新仍然值得重点关注。

Anthrogen的愿景是像设计机器一样，精确地设计全新的分子，Odyssey正是实现这一目标的第一步。

千亿大模型，多项关键创新

当前，许多蛋白质模型借鉴了自然语言处理（NLP）领域的自注意力机制（Self-Attention）。

这一机制允许序列中任意两个位置直接交互。

然而，在蛋白质中，远距离相互作用是通过三维结构和共价骨架传递的，依赖关系是局部协同、多体耦合的，而非任意“跳跃”。

为此，Odyssey引入了共识块（Consensus blocks），取代自注意力机制。

该机制鼓励相邻氨基酸区域达成“局部一致”，再将这种一致性沿着序列和接触图（Contact Graph）迭代地向外传播。

这种设计带来了两大优势：

计算效率更高：自注意力的计算复杂度为序列长度的平方，而共识机制为线性，显著降低了长蛋白质的训练与生成成本。

训练更稳定：随着模型规模扩大，自注意力机制对学习率（Learning Rate,）极为敏感，稍有偏差即导致训练失败。而共识机制在更宽泛的学习率范围内保持稳定，减少了训练中断和重启。

图：Odyssey整体架构示意图

同时，为了更好地模拟生物进化过程，Odyssey采用离散扩散（discrete diffusion）作为训练方法。

可以想象成：首先将一个完整的蛋白质序列和结构“打乱”，然后模型学习如何随着时间的推移，一步步、有逻辑地“揭开面纱”，最终重建出完整的、合理的蛋白质。

这种方式优于传统的掩码语言建模（Masked Language Modeling, MLM），使模型学会进行多残基协同修正，而非孤立预测，更符合真实蛋白质的折叠与功能机制。

此外，研究人员还引入了有限标量量化器（Finite Scalar Quantizer, FSQ）。将三维几何信息被编码为类似“字母”的离散符号，可与氨基酸序列一同作为模型输入，实现序列与结构的统一处理。

Odyssey在核心机制上的创新，解决了传统模型在处理蛋白质数据时的局限性，从而提升了性能和实用性。

图：Odyssey展现出强大的缩放性能

其在性能上超越了许多竞争模型，而所需的训练数据量大约减少了10倍。这对于高质量标注数据稀缺的蛋白质领域具有重大价值。

理解生物规律，可用于药物设计与酶改造

随后，研究团队通过一个具体的案例，展示了Odyssey的实际应用。

他们想看看这个模型能不能理解真实蛋白质的功能，并生成符合这些功能的序列。

于是，他们选了六个真实的酶作为测试对象。

实验中使用的是12亿参数版本的Odyssey模型。采用了类似“补全”的方式。他们把酶的完整序列和结构输入模型，但把序列中的一部分氨基酸随机遮盖住。

接下来，他们让模型根据没被遮盖的部分和完整的结构信息，去预测并生成那些被遮盖区域的氨基酸。

这个过程生成了数千个不同的序列变体。研究人员用两个关键指标来评估这些生成结果：一个是pTM，用来衡量生成结构和原始结构的整体相似度；另一个是cRMSD，用来评估局部结构的紧密程度。

实验结果显示，模型生成的序列变体在pTM和cRMSD等指标上呈现出明显的双峰分布。

图：针对六种未参与训练的酶，模型的对齐性能表现良好

生成的序列可以被清晰地分为两组：一组具有高pTM和低cRMSD（即结构高度相似且紧密），另一组则性能较差。

这种现象说明，Odyssey并非随机生成序列，而是学习到了与蛋白质功能和稳定性相关的深层物理和结构约束。它能够区分出“可行”和“不可行”的序列-结构组合。

这个实验虽然没有创造全新的蛋白质，但它证明了模型具备理解复杂生物规律的能力。它能在保持蛋白质三维结构的前提下，生成高质量、功能兼容的氨基酸序列。

这项能力非常实用，比如在药物研发中优化抗体或在工业上改造酶的性能，为Odyssey在更多领域的应用打下坚实基础。

在读博士创业，知名投资人押注

Anthrogen的创始人是两个哥伦比亚大学的博士生Ankit Singhal和ConnorLee，两人将于2026年毕业。

图： Ankit Singhal

Ankit Singhal 先后在哥伦比亚大学Mancia实验室（2022–2024）和AlQuraishi实验室（2023）从事整合膜蛋白结构解析和基于AI的蛋白质突变自由能预测研究。

图：Connor Lee

Connor Lee是ROAM实验室的研究员，在机器人领域拥有十多年的经验，在FIRST机器人竞赛中排名第三，入选福布斯「30 Under 30」。

Anthrogen成立于2023年，旨在利用转基因微生物和人工智能设计的酶，直接从大气中的二氧化碳中制造关键化学品和燃料。

去年，Anthrogen完成了400万美元的种子资金，由Regen Ventures和BoxGroup领投，Y Combinator、Wayfinder和Y Combinator联合创始人Paul Graham参投。

Ankit Singhal表示，种子轮融资将用于创造新型酶，这些酶可以捕获二氧化碳并将其转化为燃料、塑料、淀粉和纤维素等其他分子。